[發明專利]基于深度卷積神經網絡的遙感圖像融合方法

在審

• 申請號: 202110851274.1
• 申請日: 2021-07-27
• 公開（公告）號: CN113689370A
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 黃為偉;鄭鈺輝
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06N3/04;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 曹蕓

1.一種基于深度卷積神經網絡的遙感圖像融合方法，其特征在于，包括以下步驟：

步驟1：將原始的低空間分辨率的多光譜遙感圖像以及高空間分辨率的全色遙感圖像分別采用高斯核函數下采樣四倍，再將多光譜圖像上采樣四倍，得到低質量的圖像，將低質量圖像作為輸入；

步驟2：使用20層深度卷積神經網絡，將低質量的多光譜圖像與全色圖像輸入深度卷積神經網絡進行訓練，得到高頻殘差圖像；

步驟3：將得到的高頻殘差圖像與原始的多光譜圖像相加，得到高空間分辨率的多光譜遙感圖像。

2.根據權利要求1所述基于深度卷積神經網絡的遙感圖像融合方法，其特征在于步驟1的具體過程如下：

步驟1.1：使用高斯核函數對原始的低空間分辨率的多光譜遙感圖像以及高空間分辨率的全色遙感圖像進行低通濾波，得到降質后的多光譜遙感圖像和全色圖像，以此模擬低分辨率多光譜圖像和全色圖像輸入；

步驟1.2：使用雙立方插值將多光譜遙感圖像放大四倍，使得低質多光譜圖像與全色圖像具有相同的分辨率，并將它們堆疊后作為神經網絡的輸入。

3.根據權利要求1所述基于深度卷積神經網絡的遙感圖像融合方法，其特征在于，步驟2中所述使用20層深度卷積神經網絡，其構建的神經網絡模型具體為：

特征提取層：L_i＝max(0,W_i*I+B_i),i＝1,2,3…20

殘差重建層：L₂₁＝W₂₁*L₂₀+B₂₁

輸出層：L_output＝W₂₂*[I+L₂₁]+B₂₂

式中，I為輸入圖像，L_i，i＝1,2…20是相應的第1～20層的特征提取層的輸出，W_i,i＝1,2…20是對應層的卷積核，B_i,i＝1,2…20為對應層的偏置，*表示卷積操作，L₂₁為殘差重建層，W₂₁為殘差重建層的卷積核，L₂₀為特征提取層的輸出，B₂₁為殘差重建層的偏置，L_output為最終的輸出層,W₂₂為輸出層的卷積核，B₂₂為輸出層的偏置。

4.根據權利要求3所述基于深度卷積神經網絡的遙感圖像融合方法，其特征在于，所述網絡使用小批量梯度下降算法優化求解，具體的損失函數為：

其中，loss代表損失函數，本發明中使用均方誤差函數作為損失函數，N代表樣本數量，g_mix代表圖像融合操作，分別代表輸入的全色圖像和多光譜圖像，F⁽ⁱ⁾為真實標注的高分辨率多光譜圖像。

5.根據權利要求4所述基于深度卷積神經網絡的遙感圖像融合方法，其特征在于步驟3中所述圖像重建層的網絡模型為：

L₂₁＝W₂₁*L₂₀+B₂₁

其中：L₂₀為第20層特征提取層的輸出。